![ef98f1c51cb44d4a6eacf8c6d6f97418.png](https://img-blog.csdnimg.cn/img_convert/ef98f1c51cb44d4a6eacf8c6d6f97418.png)
今天我们来学习热图的制作
导入数据
library(pheatmap)
TEST=read.csv("TEST.csv",sep = ',',header = T,row.names=1)
绘制默认热图
pheatmap(TEST)
![3060bbf1ae8969af9cda0520d2786878.png](https://img-blog.csdnimg.cn/img_convert/3060bbf1ae8969af9cda0520d2786878.png)
归一化
我们的示例数据基因差异很明显,而且没有离群值,当有一个极大值的时候,就不会有这样的效果,比如
TEST1=TEST
TEST1[1,20]<-1000
pheatmap(TEST1)
![b8983fc28fb16420c7d6827847017ec0.png](https://img-blog.csdnimg.cn/img_convert/b8983fc28fb16420c7d6827847017ec0.png)
这样完全看不出差异了,所以这个时候需要对数据进行标准化
#scale = "row"参数对行进行归一化
#clustering_method参数设定不同聚类方法,默认为"complete",可以设定为
#'ward', 'ward.D', 'ward.D2', 'single', 'complete', 'average', 'mcquitty', 'median' or 'centroid'
pheatmap(TEST1,scale = "row")#按照行进行均一化
![ba3a0dc83b192d1d9e995e5381b8b25d.png](https://img-blog.csdnimg.cn/img_convert/ba3a0dc83b192d1d9e995e5381b8b25d.png)
这样就可以看清基因表达之间的差异了
聚类
pheatmap(TEST1,scale = "row",clustering_distance_row